基于D-S证据理论的相似日支持向量机短期负荷预测
针对基于支持向量机(support vector machine,SVM)的负荷预测方法存在数据输入维数大、训练时间长等缺点,提出了一种基于证据融合的相似日支持向量机预测方法.选取相似日时考虑平均负荷的大小、负荷曲线形状和温度差值,通过证据融合得到与预测日负荷高度相似的相似日,以此作为支持向量机的训练数据,剔除了大量的冗余数据,减少了输入维数,提高了预测精度.将该方法用于短期负荷预测,并与采用标准支持向量机法得到的结果进行对比,发现该方法可显著提高预测精度.
短期负荷预测、相似日、支持向量机、证据理论
34
TM715(输配电工程、电力网及电力系统)
2010-11-23(万方平台首次上网日期,不代表论文的发表时间)
143-147